[发明专利]针对极端天气类型的光伏功率预测方法及系统

说明书

本公开提供了一种针对极端天气类型的光伏功率预测方法及系统，获取待预测日之前的极端天气历史功率数据；将获取的历史功率数据输入到预设分类模型中，得到带有天气类型标签的历史功率数据；以待预测日之前预设时间段的同天气类型的历史功率数据、待预测日的辐照度预测值以及天气类型预测结果为输入，结合预设光伏功率预测模型，得到待预测日的功率预测结果；本公开改变了传统单一的时间序列预测建模，采用先分类再预测的方法，通过针对性的天气类型分类模型，将训练样本分类并分别建模，使得预测模型的映射关系为同一天气类型，提高了预测结果的准确性。

技术领域

本公开涉及功率预测技术领域，特别涉及一种针对极端天气类型的光伏功率预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。

近些年来，传统的化石燃料为主的发电方式给生态环境带来了巨大的压力，而太阳能作为一种安全清洁的可持续再生能源，能够有效应对当前的能源危机和环境污染问题，因而光伏发电技术得到了迅速发展。然而，光伏出力波动性和随机性的特点给电网调度和规划带来了巨大的困难。因此，准确的光伏出力预测，尤其是日前预测对光伏发电技术的发展具有重要意义。

日前预测是预测下一天6点到18点的功率，对分辨率的要求为15分钟，共计60个点。目前的短期光伏功率预测通常使用的是神经网络，支持向量机这类的人工智能算法。这些模型通常是学习历史功率数据特征，结合天气预报信息来预测未来的功率趋势，设计十分简单，因此得到了广泛使用。

发明人发现，现有技术中大多使用的是单一时间序列预测模型，依赖历史功率和预报的辐照度数据来进行预测，在晴天下的精度尚可，但一旦遭遇阴雨和一些其他极端天气，精度便无法得到保证。

发明内容

为了解决现有技术的不足，本公开提供了一种针对极端天气类型的光伏功率预测方法及系统，改变了传统单一的时间序列预测建模，采用先分类再预测的方法，通过针对性的天气类型分类模型，将训练样本分类并分别建模，使得预测模型的映射关系为同一天气类型，提高了预测结果的准确性。

为了实现上述目的，本公开采用如下技术方案：

本公开第一方面提供了一种针对极端天气类型的光伏功率预测方法。

一种针对极端天气类型的光伏功率预测方法，包括以下步骤：

获取待预测日之前的极端天气历史功率数据；

将获取的历史功率数据输入到预设分类模型中，得到带有天气类型标签的历史功率数据；

以待预测日之前预设时间段的同天气类型的历史功率数据、待预测日的辐照度预测值以及天气类型预测结果为输入，结合预设光伏功率预测模型，得到待预测日的功率预测结果。

作为可选的一些实现方式，根据获取的极端天气下的历史功率数据，利用VAE模型学习不同天气状态下的历史功率数据的分布状况，对历史功率数据进行扩充。

作为可选的一些实现方式，天气类型至少包括晴天、阴天、雨天、暴雨天和雪天。

作为可选的一些实现方式，光伏功率预测模型采用长短期记忆网络模型，利用带有天气类型标签的历史功率数据，分别训练得到不同天气类型下的长短期记忆网络模型。

作为进一步的限定，根据光伏电站的数值天气预报，得到待预测日的辐照度预测值以及天气类型。

作为可选的一些实现方式，预测结果的评估，包括：计算每一日预测结果的均方根误差、均方误差和平均绝对误差，以月为单位，计算均方根误差、均方误差和平均绝对误差三个性能指标的平均值。

作为可选的一些实现方式，以ResNeSt作为分类模型，将扩充后的样本数据输入到ResNeSt进行分类，得到带有天气类型标签的历史功率数据。